随着新能源发电装机规模增长,电力电子设备在电网中的占比逐渐增加,对电网稳定性的影响日趋严重。在青海、新疆等风能、太阳能资源丰富的地区,使用逆变器并网的电力电子设备占比较高,使得电网更易出现振荡现象。高比例新能源电网与传统电网相比,其振荡频率包含次/超同步或者更高频段,振荡的产生更具有时变性、多模态等特征。如风机与补偿装置间相互作用会引起次同步控制相互作用(sub-synchronous control interaction,SSCI),并网逆变器参数设置不合理会导致高频振荡等。因此如何提高振荡抑制策略的鲁棒性,使其灵活适应不同振荡情况这一问题引起了国内外学者的广泛研究。
周卫华,国网湖南省电力有限公司数字化工作部主任,教授级高级工程师,国家科技奖励咨询专家,电力行业绝缘子标准化技术委员会委员,全国绝缘子专家委员会委员,湖南省电机工程学会常务理事,湖南省电机工程学会高压专委会主任委员,国网公司电力设施噪声与振动实验室主任,国网公司“劳动模范”。
本文通过将深度强化学习、改进的Jensen尾流模型以及有模型与无模型的结合应用于风电场控制,不仅提升了控制算法的性能,还减少了训练成本,显著提高了风电场的功率捕获能力。未来的研究可以进一步优化该算法的适用性,并将其应用于更复杂的实际风电场环境中。
建立基于RFID被服芯片的被服洗涤管理系统,形成采购、仓储、洗涤、熨烫、周转、报废的全生命周期、可视化管理基于RFID内置编码的唯一性,在每件被服上缝制一枚VRFID洗衣标签(被服芯片),通过提供的RFID终端系统(RFID手持系统、RFID隧道系统、RFID智能工作台等)实现被服入库、投放、收发、洗涤、周转、报废等全生命周期管理。
针对卷积神经网络模型负荷识别性能差、识别时间长等问题,提出了基于遗传算法优化CNN-SENet网络的居民负荷识别方法。首先,在卷积神经网络通道加入SENet模块,提升模型对关键特征的重要表征能力。其次,采用加权像素化处理负荷的U-I轨迹图,得到WVI特征矩阵,将其作为特征参量构建CNN-SENet模型。最后,利用遗传算法优化CNN-SENet模型超参数,提升模型负荷识别性能。通过对比不同算法的负荷识别能力,验证了本文方法对卷积神经网络性能的提升以及在负荷识别方面更优的性能表现。同时,为进一步提升准确率,未来的方向将从改进优化算法出发,提升对超参数的寻优能力。
以风电、光伏为代表的新能源迅速发展,但新能源发电的高度不确定性和波动性会大幅影响电力系统运行的经济性以及稳定性。因此,如何准确量化其对电力系统运行灵活性需求的影响,充分挖掘系统灵活性调节能力,进而建立综合考虑灵活性需求的调度策略,对于应对光伏出力不确定性、提高系统对光伏电站功率的消纳能力具有重要意义。
XX科技大学新校园位于XXXXX,总用地面积586639.68㎡;包括:行政办公楼、院系及教师办公楼、教学楼、实验实训用房、图书馆、体育馆、学生活动中心、大礼堂、学生宿舍、教师公寓、食堂、后勤及附属用房、门卫、室外球场等可满足在校学生10000人办学规模,建成后将明显改善学校办学条件,为人才培养提供坚实基础,强化社会高等人才供给,优化社会教育资源配置,
《中国电力》审稿专家李泽宁,作了题为“基于共享储能服务的智能楼宇优化配置及调度策略研究”的专题报告。《中国电力》编辑部征得专家同意,特与您分享,欢迎品读!
没有账户,需要注册
语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI
时序大模型是面向时间序列数据的基础大模型,以 Transformer 等架构为核心,通过在海量多领域时序数据上进行预训练,学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练,时序大模型具备强大的迁移能力,只需少量样本微调或零样本提示,即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中,它能够直接处理传感器、设备测点产生的海量时序信号,挖掘设备状态演变规律,支撑设备故障预警、工况识别与生产趋势预判,为工业智能落地提供底层模型能力。如:中服云的CServerAIR
2025年,全球人工智能市场规模达到3909亿美元,中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张,制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初,中国日均词元(Token)调用量为1000亿;至2025年底,跃升至100万亿;2026年3月,已突破140万亿,两年增长超千倍。这些数字背后,是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造,聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据,实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量,助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送,有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型,筑牢安全生产与节能减排双重发展防线。
超硬材料制品是典型的“材料—工具”型制造:金刚石刀头、锯片、工程钻、磨轮,最终用在石材与建材加工、路面与混凝土切割、玻璃与陶瓷、半导体与蓝宝石加工。产品小批量、多品种,工艺链却很长。 这条工艺链把同一道围墙切成几段:压制、烧结、焊接、磨削与检测分散在不同厂房,一段停摆,整批报废。以下痛点与解法取自一座已投运的园区平台,数据为界面实测值,企业名称脱敏。
印刷机械是装备制造中比较典型的一类产品:单机价值高、定制化程度高、客户分散在全国各地的包装与印刷车间,一台凹版印刷机开机就是十几年。设备卖出去了,服务却要跟十几年——这是行业共同的结构性难题,也是工业物联网在装备制造领域最容易见效的地方。 本文以一个真实的落地样本为观察对象:一家印刷机械制造企业把 178 台在役设备接进了自己的远程运维系统,系统的底座选用中服云工业物联网平台的设备版。下文按“行业之困、平台解法、落地成效、可复制经验”四步展开。
石油和天然气开采业的生产对象在地下,管理的关键环节在地面。从井口到计量间,从转油站、联合站到外输与处理装置,油气田用“井—站—管网”的骨架把分散的资源汇集起来,联合站是这条骨架上设备最密集、工艺最连续、安全要求最高的节点。 这类站场大多已经上了SCADA,数据并不缺。问题在于数据上来之后,新的麻烦更清楚了:设备家底说不清,画面说不清位置,报警说不清先后。本文按“痛点—解决方案—成效”的顺序,说明中服云物联网平台与数字孪生平台如何分工配合,逐条解决这些问题。
油气田的地面作业现场有一个共同特征:设备搬着走、电源跟着换、负荷忽高忽低。钻修井井场靠网电、柴油发电机组、储能、光伏凑出一套临时电力系统;压裂井场更极端,几十台电驱压裂泵并联运行,瞬时功率爬升快,砂罐、混砂、供液、仪表车密集停放,作业段集中、单段时长以小时计。 这两类现场的管理难题是同一类:能耗与碳排放算不清、设备状态看不见、峰值容量报不准、多能协同靠经验。中服云用同一套工业物联网平台加数字孪生平台,把这两类现场做成了可以被“看懂、算清、考核”的对象。本文以已投运的钻修井现场为实测样本,说明平台在野外作业领域的典型应用,并给出向压裂井场复制的路径。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南